Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras

RESUMEN: Introducción: La tecnología de inteligencia artificial y las redes neuronales convolucionales (RNC) son uno de los principales campos de investigación en el desarrollo de herramientas de apoyo en medicina, con potencial aplicación en el diagnóstico de quemaduras. Metodología: Se diseñó un m...

Full description

Autores:
Ruiz Ruales, Anna Katherine
Tipo de recurso:
Tesis
Fecha de publicación:
2021
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/20963
Acceso en línea:
http://hdl.handle.net/10495/20963
Palabra clave:
Quemaduras
Diagnóstico por imagen
Inteligencia artificial
Telemedicina
Diagnostic imaging
Burns
Telemedicine
Artificial intelligence
Redes neuronales convolucionales (RNC)
http://id.nlm.nih.gov/mesh/D003952
http://id.nlm.nih.gov/mesh/D002056
http://id.nlm.nih.gov/mesh/D017216
http://id.nlm.nih.gov/mesh/D001185  
Rights
embargoedAccess
License
http://purl.org/coar/access_right/c_f1cf
Description
Summary:RESUMEN: Introducción: La tecnología de inteligencia artificial y las redes neuronales convolucionales (RNC) son uno de los principales campos de investigación en el desarrollo de herramientas de apoyo en medicina, con potencial aplicación en el diagnóstico de quemaduras. Metodología: Se diseñó un modelo de RNC con una base de datos de 150 fotografías de pacientes hospitalizados en las unidades de quemados del Hospital Universitario San Vicente Fundación. Las fotografías fueron marcadas según grados de profundidad por 3 cirujanos plásticos con experiencia en el manejo de pacientes quemados y editadas en 466 imágenes, de las cuales 400 se clasificaron según el grado de profundidad y se destinaron al entrenamiento del modelo y 66 a la validación del mismo, estas últimas sin división según grado. Resultados: La base de datos incluyó 91 imágenes de segundo grado superficial, 200 imágenes de segundo grado profundo y 175 imágenes de tercer grado. La validación del modelo de RNC mostró una eficiencia del 84.85% para clasificación de quemaduras según profundidad, resultado acorde a la precisión descrita en la literatura para la evaluación clínica realizada por un cirujano plástico. Conclusiones: Es factible el diseño de un prototipo de herramienta de apoyo diagnóstico para la clasificación de quemaduras según profundidad, usando RNC.